Подбор объекта распределения вероятностей к данным
создает объект распределения вероятностей с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Для примера можно указать цензурные данные или задать параметры управления для итерационного алгоритма аппроксимации.pd
= fitdist(x
,distname
,Name,Value
)
[
создает объекты распределения вероятностей путем аппроксимации распределения, заданного pdca
,gn
,gl
]
= fitdist(x
,distname
,'By',groupvar
)distname
к данным в x
на основе сгруппированной переменной groupvar
. Он возвращает массив ячеек подобранных объектов распределения вероятностей, pdca
, массив ячеек из меток групп, gn
и массив ячеек с сгруппированной переменной уровнями, gl
.
[
возвращает вышеприведенные выходные аргументы с помощью дополнительных опций, заданных одним или несколькими аргументами пары "имя-значение". Для примера можно указать цензурные данные или задать параметры управления для итерационного алгоритма аппроксимации.pdca
,gn
,gl
]
= fitdist(x
,distname
,'By',groupvar
,Name,Value
)
fitdist
функция подходит для большинства распределений, используя максимальную оценку правдоподобия. Двумя исключениями являются нормальное и логнормальное распределения с данными без цензуры.
Для нормального распределения без цензуры, оценочное значение параметра sigma является квадратным корнем объективной оценки отклонения.
Для некенсорного логнормального распределения предполагаемое значение параметра sigma является квадратным корнем объективной оценки отклонения логарифмических данных.
Приложение Distribution Fitter открывает для вас графический пользовательский интерфейс, чтобы импортировать данные из рабочей области и интерактивно подгонять распределение вероятностей к этим данным. Затем можно сохранить распределение в рабочей области как объект распределения вероятностей. Откройте приложение Distribution Fitter используя distributionFitter
или нажмите Distribution Fitter на вкладке Apps.
[1] Джонсон, Н. Л., С. Коц и Н. Балакришнан. Непрерывные одномерные распределения. Том 1, Хобокен, Нью-Джерси: Wiley-Interscience, 1993.
[2] Джонсон, Н. Л., С. Коц и Н. Балакришнан. Непрерывные одномерные распределения. Том 2, Хобокен, Нью-Джерси: Wiley-Interscience, 1994.
[3] Боуман, А. У. и А. Аззалини. Примененные методы сглаживания для анализа данных. Нью-Йорк: Oxford University Press, 1997.
distributionFitter
| histfit
| makedist
| mle
| paramci